本文探讨了联邦学习领域的最新进展和未解问题，通过Kairouz等人的研究介绍了联邦学习的基础，并引用Wang等人提出的ProgFed，这是一种有效的、通信和计算效率高的渐进式训练方法。联邦学习模型通常由多个特征提取块和任务头组成，通过损失函数评估其性能。
[1]. Kairouz, Peter, et al. “Advances and open problems in federated learning.” Foundations and trends® in machine learning 14.1–2 (2021): 1-210.
[2]. Wang, Hui-Po, et al. “ProgFed: effective, communication, and computation efficient federated learning by progressive training.” International Conference on Machine Learning. PMLR, 2022.
M ( ⋅ , x ) : R n → R k \mathcal{M}(\cdot,\mathbf{x})\colon\mathbb{R}^n\to\mathbb{R}^k M(⋅,x):Rn→Rk：模型;
x ∈ R d \mathbf{x}\in\mathbb{R}^d x∈Rd：模型参数，权重;
M : = G S ∘ ◯ i = 1 S E i =
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
